异构无线传感器网络中异构节点的部署与优化

在无线传感器网络中适当地部署少量的异构传感器节点能够有效地延长网络寿命,提高网络的可靠性.本文主要研究无线传感器网络中异构节点的部署问题,提出了基于选址问题的异构节点部署算法,以优化无线传感器网络中异构节点的数量和位置.与其它算法相比,该算法对无线传感器网络的拓扑结构没有特定的要求,可以支持随机部署或人工部署的各种传感器网络,最后还给出了该算法的仿真测试结果.     

无线传感器网络疑误数据节点自动诊断方法

为了提高无线传感器网络疑误数据检测能力,提出基于轮换调度的无线传感器网络疑误数据节点自动诊断方法。通过采用分块区域特征匹配的方法,得到无线传感器网络疑误数据传输的梯度模型,采用资源优化分配方案,进行数据传输信道的均衡调度,得到节点部署分布模型。通过传感信息跟踪采样方法,得到采样信息分布,建立无线传感器网络疑误数据信息特征分析,通过分组特征检测方法进行无线传感器网络疑误数据的信息融合和空间融合调度,提取无线传感器网络疑误数据的关联规则特征集,通过统计信息分析和融合调度的方法,进行无线传感器网络疑误数据的聚类挖掘,采用预算估计算法,得到疑误数据节点定位优化,结合自主学习算法,实现无线传感器网络疑误数据节点的优化定位和诊断检测。仿真结果表明,采用该方法进行无线传感器网络疑误数据节点检测的自适应性较好,特征辨识能力较强。     

基于Voronoi图的无线传感器网络的节点调度机制

无线传感器网络由大量低能量、短寿命、不可靠的传感器节点组成,最小化能量消耗—延长网络寿命是一个主要的目标。对于大多数传感器应用,通过关掉网络中配置的冗余节点提供对目标区域的完全感知并降低能量消耗是一种有效的方法。据此提出了一种基于Voronoi图的节点调度算法,该算法能在保证网络覆盖范围的情况下,有效地剔除冗余节点,由此延长网络寿命。     

无线传感器网络中带粒子群优化的分簇节点睡眠调度算法

为延长无线传感器网络的生命周期,提高节点能量利用率,将分簇算法与睡眠调度算法相结合,提出一种无线传感器网络中带粒子群优化的分簇节点睡眠调度算法.该算法采用二进制编码机制,引入遗传算法的变异和交叉算子,同时考虑网络覆盖保持和能量消耗减少优化目标,构造一个相应的离散粒子群优化方法.仿真实验结果表明,文中算法能较好地减少能耗和保持网络覆盖,有效延长网络的生命周期.     

入侵轨迹建模与WSN栅栏覆盖分段调度算法研究

无线传感器网络栅栏覆盖在入侵检测方面发挥着重要作用,如何调度栅栏并延长网络的生存时间已成为重点研究问题.在无线传感器网络中设计合理的调度算法,分时激活传感器节点从而延长网络生存时间是大多数研究的方向,然而仅仅通过分时调度传感器节点已很难大幅度提高网络的生存时间.因此设计了一种分时与分段相结合的无线传感器网络栅栏调度算法,该算法通过分析入侵目标穿越传感器网络部署区域的行为特征,建立入侵目标的轨迹模型,该模型在保证栅栏对入侵目标具有较高检测率的情况下预测入侵目标可能穿越栅栏的区域并分段激活栅栏从而大大减少了传感器节点的能量消耗.最后仿真实验验证了本文算法与传统的分时调度算法相比能大幅度提高网络的生存时间.     

高效节能的视觉传感器网络目标覆盖算法

针对视觉传感器网络目标覆盖过程中因覆盖冗余、节点剩余能量不均等原因导致网络寿命过短的问题,设计一种视觉传感器网络目标覆盖算法。该算法基于节点与目标的覆盖关联关系,利用关系矩阵及相关运算对覆盖频繁目标集进行挖掘,进而对工作节点进行动态选举,以此延长网络的生存时间。实验结果表明,该算法在保证网络覆盖质量的前提下能够高效地调度工作节点,均衡节点耗能,有效延长网络寿命。     

基于加权的无线传感器网络优化覆盖算法

针对无线传感器网络探测网络环境的自适应休眠算法(Probing Environment and Adaptive Sleeping,PEAS)在节点调度过程中,存在节点能耗不均衡、网络的生命周期较短的问题,提出一种基于加权的优化覆盖算法。该算法对最小频繁项的目标所对应的传感节点按能量高低进行划分集合,使各集合能够独立覆盖最小频繁项的目标,以达到局部的优化。考虑到传感节点覆盖目标数和剩余能量对无线传感网络生存周期的影响,对边缘未覆盖的目标节点采用加权的方式进行覆盖。仿真结果表明:该算法能够均衡网络节点的能耗,有效地延长了网络的生命周期。     

线型无线传感器网络中的节点调度算法

线型无线传感器网络是一种较为特殊的无线传感器网络类型,其传感器节点的分布区域接近线型区域。在满足监控性能的要求下,通过调度节点,让部分节点工作,其余节点休眠,可有效延长系统生命期。现有的调度算法在线型无线传感器网络下的性能不是很好,针对线型无线传感器网络的特点,提出了异步调度算法和同步调度算法。仿真实验表明,同步调度算法得到的覆盖集的大小为异步调度算法的76%左右,平均覆盖度接近理想最优情况。     

WSN中考虑节点磨损的分布式自稳定网络寿命优化算法

针对无法预估的节点故障影响无线传感器网络寿命的问题,本文提出了一种考虑节点磨损的分布式自稳定优化算法。首先,利用韦伯函数拟合网络生命周期的分布,定期唤醒睡眠节点进行故障检测;然后,采用分布式调度,无需知道传感节点的位置信息,使用多个节点同时工作,从而提高效率;最后,通过较低的网络通信代价,及时使用空闲节点替代故障节点,保持网络的连通性。理论分析和仿真实验验证了本文算法的有效性及可靠性,仿真结果表明,当传感器节点的可靠性随着使用时间与磨损下降时,本文算法可以更好地延长无线传感器网络寿命,相比分布式多目标概率覆盖协议,本文算法在寿命延长、覆盖率、节点唤醒次数等方面均取得更好的性能。     

基于蚁群优化的无线传感器网络能量均衡路由算法

如何有效使用无线传感器节点有限的能量来最大化网络的寿命是无线传感器网络研究的重要问题.网络能量是否均衡消耗对网络寿命有着决定性的影响.本文将蚁群优化算法应用于无线传感器网络的路径选择,提出一种基于蚁群优化的无线传感器网络能量均衡路由算法.该算法利用蚁群的动态适应性和寻优能力在网络最短路径和能量均衡消耗之间进行平衡,以达到网络能量的优化均衡消耗,进而延长整个网络的寿命.仿真实验表明,该算法在延长网络寿命方面效果较显著,与最短路径路由算法相比网络寿命延长超过33%.     

传感器技术的新发展——智能传感器和多功能传感器

智能传感器和多功能传感器是传感技术发展的方向。介绍智能传感器和多功能传感器的概念、功能、结构、特点以及它们的应用和发展趋势。     

传感器网络中的传感器配置问题研究

本文试图通过传感器网络研究中的一个分支——传感器配置问题，揭示传感器网络作为新兴研究领域所具有的一些特点，并就大规模或超大规模传感器网络的节点配置问题的模型及求解方法进行讨论．探讨了传统求解方法与约束传播算法结合求解的可能性．初步的实验仿真说明，约束传播算法在传感器网络配置方面具有很大的优势，值得引起相应的关注和研究．     

传感器网络中的传感器管理研究

传感器网络和传感器管理是国际社会的研究热点,但目前针对传感器网络中的传感器管理问题的研究成果很少,文中对这一问题进行了初步分析与探讨,在深入分析传感器网络的基本特性的基础上,给出了传感器网络中传感器管理的一些基本原则,采用分层式传感器网络系统结构,提出了基于任务驱动的传感器管理方案,并详细阐述了方案中各个部分的工作原理,提出了一种基于多智能体技术的传感器管理模型,实现了传感器感知信息的交互和传感器感知动作的协同功能.     

无线传感器网络中传感器节点的布置

在无线传感器网络中，传感器节点收集本地数据，通常通过其它节点将数据转发给基站，因而离基站越近的节点，消耗的能量越多．如果采用通常的方法，即均匀布置传感器节点，则基站附近的节点将很快消耗完能量，基站也就无法收集数据．本文通过研究无线传感器网络中的能量消耗，得到了一个布置传感器节点的密度函数，按此函数布置传感器节点可以有效地延长系统的生命期．理论分析和模拟结果表明，本文的布置方案将系统生命期提高到均匀布置方案的3R/2t倍，这里t为传感器节点的通信距离，R为传感器节点的分布区域半径．     

无线传感器网络中的节点定位算法

无线传感器网络是由部署在监视区域的大量微型的具有无线通信及计算能力的传感器节点,以无线多跳通信方式构成的分布式自组织网络系统。它能根据环境需要,通过功能有限的传感器节点之间的协同工作,对监控区域内的环境或监测对象的信息进行实时感知、采集和处理,获得详尽而准确的侦测数据。本文主要分析无线传感器网络中的定位技术,研究如何降低网络中的能量消耗,延长网络寿命。     

能量有效的无线传感器网络节点调度算法

针对传感器节点随机部署的无线传感器网络中存在大量冗余节点而导致大量节点能量浪费这一问题,提出了一种分布式的能量有效的冗余节点调度算法(ERSS算法).为了最大程度地节约能量,延长网络寿命,该算法使网络中的节点自主地判定自身是否为冗余节点.网络中只有必要数目的节点保持活跃状态来保证网络的完全覆盖,而冗余节点转为休眠状态来节约能量.文中给出了冗余节点判别规则、计算模型及判定流程.仿真结果表明了所提出算法比现有算法在节约网络能量及延长网络寿命上的优越性.     

多功能传感器

多功能传感器可以同时测量几个物理量。简述多功能传感器的结构,并介绍了模拟人体皮肤的触觉传感器及其它几种多功能传感器。     

传感器网络*

传感器网络作为连接真实的物理世界和虚拟的计算世界的桥梁,将引起人们越来越多的重视。首先介绍了传感器网络的概念及其应用,总结了其新的特征,分析了它对计算技术的挑战。在对传感器网络进行分类的基础上,探讨了非结构化传感器网络的设计方法;最后对目前传感器网络的研究热点进行了简要介绍。